AI也能幫企業綠色轉型？Google Cloud氣候生態系統，即時碳排「看」得到！|數位時代 BusinessNext

【觀點】AI也能幫企業綠色轉型？Google Cloud建立氣候生態系統，即時碳排「看」得到！

聯合國研究指出，就算依照目前的減碳承諾，21世紀仍將上升接近攝氏3度。面對這樣的氣候變遷挑戰，雲端和AI技術該怎麼協助企業實現加速綠色轉型的目標？

根據最新的聯合國研究指出，若依照目前的減碳承諾數據，到21世紀，地球的平均氣溫仍將上升接近攝氏3度，全球洪水、火災和農地受害等自然危害頻率也會飆升。如果減碳承諾無法兌現，全球暖化的情形將更加嚴重。

氣候變遷是現在全世界最迫切和關鍵的群體挑戰之一，而Google Cloud持續以多種方式協助世界採取行動。

Google Cloud專注於三個領域，協助企業實現加速綠色轉型的目標，這三個領域分別為： 改善取得氣候轉型數據的方式 、 建立氣候科技生態系 、以及 利用地理空間分析協助強化氣候韌性 。

領域1.整合氣候轉型數據，建立開放資料庫

目前氣候轉型的重要數據，例如企業溫室氣體（GHG）排放和減碳目標等關鍵數據，全球並沒有一致的報告方式，而且在取得這些資訊時也時常面臨阻礙。此外，企業也很難取得如何減少排放並提高投資報酬率的專業洞察。

這也是為什麼彭博（Bloomberg）在COP28創立淨零數據公共事業（Net-Zero Data Public Utility，NZDPU）時，Google Cloud選擇參與其中並提供協助。

NZDPU的宗旨是：成為一個全球性、集中且開放的資料庫，收集私部門與氣候轉型相關的數據。最重要的是，這個資料庫免費開放給所有利益關係人使用。參與者能夠輕鬆取得和解析企業氣候轉型的核心相關數據，這是實現淨零轉型的關鍵一步。

領域2.建立氣候科技生態系統，即時碳排「看」得到

近年來，許多氣候科技新創的企業生態系統正在蓬勃成長，他們運用雲端和AI技術來產生影響力，而Google Cloud也致力於提供這些新創協助。

透過AI技術我們可以做到即時洞察，精準追蹤並視覺化企業在推進雲端業務時所產生的碳排放。

例如，每個Google Cloud雲端區域的能源來源都不同，因此並非每個地區都具有相同的碳排放效率，但Carbon Sense Suite可以透過AI輕鬆識別哪個地區具有最高的能源效率，提供即時的協助，包含根據價格、不同因素及永續程度進行地區篩選，讓無論客戶身在何處、業務在哪裡運行，都可以減少在雲端化的過程中所產生的碳排放。

另外，Google Cloud Ready-Sustainability（GCR-S）則是我們正在推動的一項認證倡議，更是在支持新創打造氣候科技生態系的關鍵之一，透過GCR-S我們更能幫助客戶加速實現永續轉型。

目前，已有四十家氣候科技合作夥伴獲得了GCR-S認證，並利用Google Cloud的技術來開發解決方案，減少碳排放、提高價值鏈的永續性、幫助組織管理氣候數據，甚至識別氣候風險以增強韌性。我們期待將雲端技術與Google Cloud生態系統中的合作夥伴連接起來，以支持創新的氣候科技供應商加速成長。

領域3.地理空間分析，管控氣候風險

最後，我們也關注氣候變遷所造成的實際影響。地理空間分析是一種擁有巨大潛力應對氣候風險的方式，尤其可以增強我們在面對氣候災害時的韌性。

地理空間分析可以幫助組織針對氣候變遷對業務基礎設施和供應鏈影響的提高理解。透過Google Earth Engine、Big Query和Vertex AI等強大的工具功能，Google Cloud及合作夥伴正在提高對緊急風險和長期氣候風險的預測能力。

以目前活躍用戶每個月超過10萬人的Google Earth Engine平台來說，這個平台可用於大規模的地理空間機器學習和分析，可處理90PB（Petabyte，1PB約為1024TB）的數據——這是相當可觀的數據量。

透過與包括Vertex AI在內的Google Cloud AI平台完全整合，客戶可以在Earth Engine中交叉預測、分析變化並將數據分析結果視覺化。搭配強大的雲端計算量能以及即時、準確、分辨能力強大的分析洞察，Earth Engine可以展示世界各地棲息地和生態系統的即時狀態。

Google Cloud Ready-Sustainability的合作夥伴Climate Engine在Google Cloud上推出的SpatiaFi也是一個很好的例子。與Deloitte合作，Google Cloud和Climate Engine幫助英國NatWest銀行探索結合衛星數據資料與SpatiaFi軟體平台的可能性，這有助於NatWest了解地理空間數據如何幫助銀行的農業客戶捕捉關鍵的氣候相關數據。

同樣的，我們在2023年聲援的聯合國「Raceto Resilience」活動，也是利用地理空間數據與分析來支持強化氣候韌性和適應能力。

我們與Google.org一起在2023年9月的紐約氣候週（Climate Week NYC）期間探索地理空間技術的潛力，幫助弱勢社區了解氣候變化對其社區的影響，並部署解決方案減少後續影響。「Raceto Resilience」團隊和Google目前正在探索該專案的下一階段，並預計在今年交付給合作夥伴。

以上只是幾個例子，而隨著氣候變遷的議題愈發重要，我們採取行動、反應的速度更是刻不容緩。Google Cloud致力於將AI和雲端技術應用在支持組織評估、優化乃至於重新塑造更永續的業務模式，讓企業更快適應且融入低碳經濟。

我們都知道AI帶來很大的技術典範轉變，我認為透過AI，企業和組織有機會在2024年不斷變化的市場中獲得競爭優勢，幫助企業充分運用AI潛能，並支持未來的氣候科技創新。

（觀點文章呈現多元意見，不代表《數位時代》的立場）

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

責任編輯：溫偉軒

當資料不能離開企業，運算就得靠近：AI 先改寫儲存架構

AI 帶來的第一個變化，不只是運算能力提高，而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊，QNAP 身為資料安全的守護者，長期發展的是地端網路儲存設備（NAS），並擴展至 25GbE、100GbE 高速網路交換器產品線，提供完整的儲存與高速網路基礎架構。威聯通科技（QNAP）總經理劉文義解釋，當資料因合規要求或敏感度不能上雲，就必須留在靠近使用者與應用的地方；運算需求一旦增加，承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資，金融與保險業受到合規與法規限制，部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言，問題並不是雲端好不好用，而是一開始就沒有把核心資料全面上雲的選項。

真正讓更多企業回頭計算的，則是長期成本。劉文義指出，資料上傳雲端可能免費，下載卻會按流量收費；當企業把一年、兩年、三年的費用加總回推，可能會發現，購買一台同等容量的 NAS，還能使用 7-10 年。資料規模愈大、存取愈頻繁，總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載；地端則較適合高頻存取、對延遲敏感，或不能離開企業邊界的資料。企業真正要回答的，是每一類資料與任務應該放在哪裡。

依 QNAP 觀察，客戶過去關心的是需要幾 TB、幾 PB，或備份速度有多快；現在更常問的是，機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起，把公司發展定調在 AI 與高速網路的融合，試圖讓 NAS 從資料保存的位置，進一步成為資料被調用的位置。

當資料量持續擴大，搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例，當照片累積到 10 萬、20 萬張，要找出其中幾張特定畫面，已不可能只靠人工翻找。此時，能理解內容、接受自然語言指令的 AI 工具，會從加分功能逐漸變成必要條件。

從資料治理到地端推論：AI NAS 如何進入企業工作流？

AI NAS 不是「多了 AI 功能的 NAS」，而是 NAS 在企業工作流裡換了位置。依 QNAP 觀察，目前客戶大致分布在一條導入光譜上。人數最多的一群，仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關，卻決定後續系統能不能找到正確資料、辨識版本，並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成（RAG）知識庫。RAG 並不是重新訓練一個模型，而是在模型回答前，先從企業的 SOP、合約、法規或技術文件中取回相關內容，再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用，協助企業建立私有知識庫；而走在最前面的少數企業，則已經嘗試地端推論與 AI Agent。

模型的選擇權，QNAP 刻意留給客戶。知識庫背後採用哪一個模型，可由企業依需求決定，不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定（MCP）相關能力，讓管理者透過自然語言查詢狀態、調整設定，並讓 NAS 成為 AI Agent 可調用的資料節點。

不過，劉文義沒有把這條路說得太容易。他坦言，目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用，可能需要約 300 到 800 TOPS，甚至 1,000 TOPS，因此多數方案會以 NVIDIA 顯示卡補足算力；一張卡約需新台幣 10 萬至 12 萬元，一張算不完，就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍，並不是大部分中小企業都能接受。」除了硬體，使用者還需要 AI 應用的 Know-how、程式背景與開發資源，這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中，一類是採用含有 iGPU 與專屬 NPU 的處理器平台，以一百多 TOPS 的範圍，可順暢使用 AI 應用程式；另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡，處理更大的運算量。

同時 QNAP 也在軟體端也持續開發，目標是讓 NAS 裡的資料更有效率地被 AI 工具調用，讓資料成為有價值的知識。

從規格走到現場：能源公司如何導入私有 LLM？

本地 AI 實際落地部署會是什麼模樣？劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫，但很快遇到兩個瓶頸：一是員工查詢時明顯出現卡頓；二是專利、技術與合約都高度敏感，高層不願上傳至公有雲，擔心機密資料會有外洩的疑慮。

後來，該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX，搭配顯示卡與全快閃 SSD，在地端部署私有大型語言模型，把數十年來封存的靜態檔案交給 AI 調用，進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間，核心機密也能留在企業內部。

這個案例說明，若任務範圍明確，有些應用不必動用雲端大型模型，地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同，導入前仍需要概念驗證（POC）與技術人員評估。

而且，資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值，是讓資料邊界與控制權回到企業手上；相對地，安全責任也會更直接地回到企業。

哪些企業現在該做，哪些再等？先看重複性與三個條件

能不能導入地端 AI，不只由產業標籤決定，也要看工作是否重複，以及場景能不能被清楚定義。劉文義觀察，第一批走進來的，除了受法規限制的醫療、金融與保險業，也包括利用地端 AI 加速資料處理的科技業，以及會計、律師等有大量重複文書工作的專業服務業，因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有　10　台、20　台機器，每台處理與儲存資料的 Protocol 都不同，需要相對應的儲存裝置；生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料，AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多，或重複性動作越多的產業，越容易透過導入 AI 提高工作效率。」反過來說，較傳統、人力密集，或仍高度依賴人工判斷的製造業，短期內未必能快速導入地端 AI。

依 QNAP 提供的資料，企業也可用「高頻、大量、敏感」三個條件做第一輪判斷：資料是否被頻繁調用？規模是否大到雲端傳輸與長期費用開始變得明顯？內容是否涉及個資、法規、智慧財產或商業機密？三個條件愈集中，地端部署愈值得評估；三者都不成立時，使用雲端 API 往往更簡單，也可能更划算。

可以先等的企業，大致也有三種。第一，資料仍分散、版本混亂、權限不清，急著上 AI 只會把混亂放大，先完成集中與治理，效率就可能先提升。第二，找不到一個具體且反覆發生的業務痛點，只因為「別人都在做」而採購，設備很可能變成昂貴的展示品。第三，使用量仍小、需求偶發，現階段雲端的彈性反而更有優勢。

因此，POC 不應只驗證「模型答不答得出來」，還要回答三個問題：資料由誰負責，誰可以存取？導入後能節省多少查找時間、傳輸成本或人工作業？正式上線後，誰負責資料、模型與資安維運？只有當效益與責任都能被量化，才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房，動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太，其中歐洲占比將近一半，而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證，並滿足 GDPR、HIPAA 等資料保護與法規遵循需求；累積至今，已售出約數百萬台裝置，協助企業打造智慧、安全的儲存方案。

至於普及時間點，劉文義提出一個明確的價格與效能交會點：地端應用若要順暢運作，運算量可能至少要達到 300 至 600 TOPS，甚至 800 TOPS，同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

「AI NAS 不是多了 AI 功能，而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言，地端算力成本高昂，QNAP 透過「算力分級」與開放模型架構，助企業逐步建構私有 RAG 知識庫與 AI 團隊。

圖／數位時代

「預測約兩、三年後，應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點，就會是 AI 落地最蓬勃發展的時候。」在此之前，企業真正能先做的，不是搶著買最大的模型或最昂貴的顯示卡，而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色：原油再多，沒有整理、提煉與配送的過程，也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力，而是誰的資料先準備好被調用。模型會持續更換，但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備，而是在資料必須留在企業內時，讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日（五）舉行，現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控，並安排 Live Demo，適合 IT 管理者、系統整合商與企業決策者參加。

活動地點：新板希爾頓酒店｜如意 AB 廳

活動時間：09:20–16:00

地址：新北市板橋區民權路 88 號 2F

立即報名：https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查，填問券抽好禮，倒數計時：https://www.surveycake.com/s/q4abw